WO2006104087A1 - 所定水温域の深度分布予測方法、回遊性魚類の漁場予測方法及び回遊性魚類の漁場予測情報配信システム - Google Patents

所定水温域の深度分布予測方法、回遊性魚類の漁場予測方法及び回遊性魚類の漁場予測情報配信システム Download PDF

Info

Publication number
WO2006104087A1
WO2006104087A1 PCT/JP2006/306126 JP2006306126W WO2006104087A1 WO 2006104087 A1 WO2006104087 A1 WO 2006104087A1 JP 2006306126 W JP2006306126 W JP 2006306126W WO 2006104087 A1 WO2006104087 A1 WO 2006104087A1
Authority
WO
WIPO (PCT)
Prior art keywords
water temperature
depth
data
points
area
Prior art date
Application number
PCT/JP2006/306126
Other languages
English (en)
French (fr)
Inventor
Hidekatsu Yamazaki
Akiko Takano
Original Assignee
National, University, Corporation, Tokyo, University, of, Marine, Science, and, Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by National, University, Corporation, Tokyo, University, of, Marine, Science, and, Technology filed Critical National, University, Corporation, Tokyo, University, of, Marine, Science, and, Technology
Priority to US11/887,656 priority Critical patent/US7818280B2/en
Priority to EP06730074A priority patent/EP1864572B1/en
Priority to JP2007510481A priority patent/JP4923262B2/ja
Publication of WO2006104087A1 publication Critical patent/WO2006104087A1/ja

Links

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K79/00—Methods or means of catching fish in bulk not provided for in groups A01K69/00 - A01K77/00, e.g. fish pumps; Detection of fish; Whale fishery
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G01K7/42—Circuits effecting compensation of thermal inertia; Circuits for predicting the stationary value of a temperature
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K2213/00—Temperature mapping
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S706/00—Data processing: artificial intelligence
    • Y10S706/902—Application using ai with detail of the ai system
    • Y10S706/928—Earth science
    • Y10S706/93—Environment

Definitions

  • the present invention relates to a method for predicting a depth distribution in a predetermined water temperature range, and using this method, a migratory property suitable for predicting good fishing grounds for fishes such as bluefin tuna and bigeye tuna that migrate greatly in the ocean.
  • the present invention relates to a fishing ground prediction method for fish and a fishing ground prediction information distribution system for migratory fish.
  • the latest sea surface temperature map and fishing ground information are extracted from the past sea surface temperature map created from satellite images and the corresponding fishing ground information at the time of rich fishing, by extracting rich fishing pattern images by season, fishery division, and fish type.
  • a fishing ground prediction information service method for predicting a fishing ground from the sea and delivering it to a fishing spot is known (see Japanese Patent Application Laid-Open No. 2004-192231).
  • a composite image without a cloud is created from the satellite image so that the fishing boat can use the water temperature value with high accuracy, and a mother image is set as a cloud region reference image, and within a predetermined region of the water temperature data.
  • a cloud area identification image is generated by comparing all pixel values in the cloud area with all pixel values of the area in the cloud area reference image, and a cloud area removal image is created by removing the cloud area.
  • a drawing creation method has been proposed (see Japanese Patent Laid-Open No. 2001-283189).
  • An object of the present invention is to provide a method for predicting a depth distribution in a predetermined water temperature range in which the temperature information inside the ocean in the target sea area can be known with high V and accuracy from a small amount of measured data, and using this method, It is intended to provide a fishing ground prediction method for migratory fish and a fishing ground prediction information distribution system for migratory fish capable of predicting good fishing grounds for highly migratory fish that migrate greatly in the ocean.
  • a favorable fishing ground area for migratory fish that avoids the predetermined water temperature region is predicted using the depth distribution prediction method for the predetermined water temperature region.
  • a migratory fish fishing ground prediction information distribution system includes a reception unit, a central processing unit, and a transmission unit.
  • the receiver receives measured data of water temperature, salinity and water depth measured at a plurality of measurement points in the target sea area, past data on water temperature, salinity and water depth at multiple points in the target sea area, and satellites. Obtained by measurement data
  • the transmitting unit predicts the depth distribution of the predetermined water temperature region in the entire target sea area based on the depth h, h ′ of the predetermined water temperature region at the actual measurement point and many points, and predicts the fishing ground for migratory fish that avoids the predetermined water temperature region To the fishery site.
  • the central processing unit may be provided with an image processing unit that images the depth distribution in the predetermined water temperature range, and the image may be distributed to the transmission unit.
  • Argo float is used to measure the water temperature, salinity and water depth.
  • the Argo Float is a mid-floor float that has been deployed to the oceans of the world based on the Argo Project, and rises to the sea level at a predetermined time interval (about 1 to 2 weeks). And during this time Measure the vertical distribution of water temperature and salinity from the determined depth (several hundred to 2000m) to the sea surface, and after ascending, the data is transmitted via the polar orbit meteorological satellite NO AA.
  • the number of cargo floats is limited and not enough to know the temperature distribution over a wide sea area.
  • Absolute Dynamic Topography is the difference in height between the actual sea surface and the oid surface.
  • the sea level altitude is a so-called satellite sea level altitude meter that measures the altitude according to the time it takes for the microwave mouth wave reflected on the sea surface to return to the artificial satellite by launching a microwave noise just below the satellite force. It is measured by.
  • the geoid plane is a plane of gravitational equipotential that coincides with a height of 0 and is a satellite.
  • a small amount of measured data force The water temperature distribution inside the ocean in the entire target sea area can be known relatively accurately, and thereby, a good fishing ground for migratory fish migrating in a specific water temperature area Can be predicted with high accuracy and delivered.
  • FIG. 1 is a schematic diagram showing a two-layer structure of the ocean.
  • FIG. 2 A diagram showing a part of the actual measurement data by Argo Float.
  • FIG. 3 is a diagram showing a part of data obtained by interpolating measured data.
  • FIG. 5 is a diagram showing data obtained at a part of the measured points.
  • FIG. 7 is a diagram showing a part of a relative density coefficient calculated based on past data.
  • FIG. 8 is a diagram showing an image representing the water depth distribution in the 15 ° C water temperature range.
  • FIG. 9 is a block diagram showing a fishing ground prediction information distribution system for migratory fish.
  • FIG. 10 is a block diagram of the central processing unit and its peripheral devices in the system of FIG.
  • FIG. 11 A flow chart of fishing ground prediction information distribution of migratory fish according to the present invention.
  • the vertical structure of the ocean is assumed to be a two-layer structure with a certain boundary as shown in Fig. 1.
  • the absolute dynamic sea level altitude r? Is the sum of the deviation of the mean sea surface force due to barotropic flow and the deviation of the mean sea level due to baroclinic flow from the mean sea level.
  • the depth from the sea surface parallel to the isobaric surface to the sea floor is D, and the thickness and density of the upper and lower layers are hi, h2 and p 1, 2, respectively.
  • the pressure P2 at the position of water depth z (the average sea level is 0 and the lower part is one.
  • the densities p 1 and p 2 can be calculated from the water temperature, salinity, and depth.
  • ⁇ is a relative density coefficient, and is a drought value that does not change much in a certain season in a sea area.
  • r? (T) is the absolute sea level altitude r? ( ⁇ )
  • h (T) is the depth to the predetermined water temperature range
  • ⁇ and j8 are uncertain factors.
  • the above equation (4 ') is valid, but there is a relatively large variation in the data.
  • the relative density coefficient ⁇ can be approximated by the historical data of the monthly average of the World' Ocean 'Atlas 2001, since the relative density coefficient ⁇ does not change much in a certain sea area.
  • the horizontal dynamics of the product ( ⁇ Xh) of the depth h of the water temperature region at a given temperature obtained from the measured data and the relative density coefficient ⁇ ( ⁇ Xh) is the absolute dynamics of the measured data obtained by the satellite.
  • a relative density coefficient ⁇ is obtained from past data at a number of points in the target sea area with reference to a depth close to a predetermined water temperature range, and the absolute dynamic sea level altitude r of the number of points from the satellite data. Get 2 each.
  • the depth h ′ of the water area having a predetermined water temperature at a number of points can be obtained. If this operation is performed for the entire target sea area, the water depth distribution in the specified water temperature area in the entire target sea area can be obtained.
  • the distribution of the predetermined water temperature range directly or indirectly affects the distribution of migratory fish, so that it is possible to predict a good fishing area within the target sea area of migratory fish.
  • the target sea area is 20 ° -30 ° N and 150 ° -180 ° east longitude, April 10, 2002.
  • an Argo float is 29.20 north latitude. Measured data as shown in Fig. 2 was transmitted at 176.923 ° east longitude.
  • ⁇ X h is calculated and the absolute dynamic sea level altitude (ADT) is examined for the measurement points of 102 Algo floats.
  • the absolute dynamic sea level is data gridded at 1Z3 ° X longitude 1Z3 °.
  • FIG. 5 shows the results obtained for a part of the actual measurement points.
  • objective analysis data of WO AO 1 was used as past data.
  • This data is a grid of 1 ° latitude and 1 ° longitude, with the temperature and salinity of the reference depth averaged monthly, summarizing past ship data.
  • Past data of the same period in the target sea area was interpolated to create water temperature and salinity data for each 1 m of water depth between 1 and 1500 m, and the density at each lm depth was calculated from this.
  • the upper layer density p 1 and the lower layer density p 1 The density P 2 was obtained, and the relative density coefficient ⁇ ′ was calculated for all grids (latitude 1 ° X longitude 1 °).
  • Figure 7 shows a part of ⁇ , which is obtained in this way.
  • Figure 8 shows the depth of water at 15 ° C in the target sea area on April 10, 2002, as a color depth.
  • the 20m sea area is hatched.
  • Bigeye tuna catch information was obtained from the 2002 tuna long-necked fishery news report (Kesennuma) collected by the Fisheries Information Service Center. Each fishing boat is operated once a day, and the total number of operations is 2414. For each operation, a comparison was made using the number of fishhooks divided by the number of fish caught.
  • circles indicate operation positions where bigeye tuna have been caught, and marks X indicate strong operation positions where catch has not been caught.
  • the fishing ground prediction can be represented by coordinates such as latitude X longitude.
  • the fishing ground prediction is represented by an image such as color coding as shown in Fig. 8, the fishing ground prediction in a wide sea area can be seen at a glance.
  • the corresponding water depth may be shown as an image. Furthermore, for fish with different water temperatures in the migratory zone, it is possible to attach the water temperature!
  • Fig. 9 to Fig. 11 are system configuration diagrams of the migratory fish fishing ground prediction information distribution system
  • Fig. 9 is a block diagram of the migratory fish fishing ground prediction information distribution system
  • Fig. 10 is the central processing
  • Fig. 11 is a block diagram of the equipment and its peripheral equipment
  • Fig. 11 is a flow chart for the distribution of fishing ground prediction information for migratory fish.
  • 1 is a central processing unit
  • 2 is an artificial satellite
  • 3 is a measured value providing unit (argo float)
  • 4 is an absolute dynamic sea level altitude providing unit (AVISO)
  • 5 is a past data providing unit (world ' O Shan's Atlas 2001)
  • 6 is a fishery cooperative
  • 7 is a fishing boat
  • 11 is a receiver
  • 12 is an input unit
  • 13 is a transmitter.
  • the artificial satellite 2 is composed of a plurality of communication satellites and meteorological satellites, but is illustrated as one for convenience.
  • the actual measurement data of the water temperature, salinity, and water depth are transmitted to the artificial satellite 2 from a large number of actual measurement value providing units 3 arranged in various sea areas, and this actual measurement data is distributed.
  • the absolute dynamic sea level altitude providing unit 4 calculates the absolute dynamic sea level for various sea areas and distributes the results.
  • the past data providing unit 5 provides past data on water temperature and salinity at various reference water depths in various sea areas.
  • the receiver 11 obtains the water depth hi and salinity from the actual measurement data distributed by the artificial satellite 2 to the sea surface force predetermined water temperature range in the target sea area, and the input unit 12 To the central processing unit 1.
  • the receiving unit 11 obtains the absolute dynamic sea level altitude r? 1 at the actual measurement point of the actual measurement value providing unit 3 from the absolute dynamic sea level altitude distributed by the satellite 2, and this is input by the input unit 12. Input to Central Processing Unit 1.
  • the central processing unit 1 includes an actual measurement point data calculation unit 14, a scatter diagram processing unit 15, a multipoint data calculation unit 16, and an image processing unit 17.
  • the scatter diagram processing means 15 creates a scatter diagram for every measurement point with the absolute dynamic sea level altitude 7 to 1 at the measurement point as the vertical axis and ⁇ X hl as the horizontal axis. Find the slope OC and intercept ⁇ of the approximate linear equation that connects the dense points in.
  • the receiving unit 11 also calculates the sea surface force of the past data distributed by the past data providing unit 5 from the many points outside the actual measurement point in the target sea area and the time corresponding to the actual measurement time.
  • the water depth and salinity up to the specified water temperature range are extracted and acquired, and this is input to the central processing unit 1 through the input unit 12.
  • the receiving unit 11 obtains the absolute dynamic sea level altitude r? 2 at multiple points corresponding to the past data from the absolute dynamic sea level altitude distributed by the satellite 2, and inputs this to the input unit. 12 input to the central processing unit 1.
  • the multipoint data calculation means 16 of the central processing unit 1 obtains the relative density coefficient ⁇ of these multipoints based on the acquired past data.
  • the image processing unit 17 of the central processing unit 1 is based on the depth h of the predetermined water temperature range at the actual measurement point obtained from the actual measurement data, and the depth of the predetermined water temperature range at the obtained multiple points.
  • the depth of the predetermined water temperature region in the entire target sea area is imaged, and this image is used as a fishing ground prediction for migratory fish that migrate around the predetermined water temperature region, from the transmitter 13 via the artificial satellite 2 to the fishery site (fishing cooperation Delivered to association 6 and fishing boat 7).
  • the fishery cooperative 6 may transmit the fishing ground prediction to the fishing boat 7 by wireless or the like based on the distributed image.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Theoretical Computer Science (AREA)
  • Animal Husbandry (AREA)
  • Environmental Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Agronomy & Crop Science (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Mechanical Means For Catching Fish (AREA)

Abstract

　所定水温域までの深さｈと、これより上層の密度ρ１及び下層の密度ρ２と、さらに人工衛星の測定データで得た絶対力学海面高度η１とから、η１＝α（ε×ｈ）＋βの直線式を得る（ただし、ε＝（ρ２－ρ１）／ρ２）。さらに、過去データから算出した多数地点のε’と、人工衛星の測定データとから前記多数地点の絶対力学海面高度η２と、前記のα、βとから、η２＝α（ε’×ｈ’）＋βの直線式によりｈ’（多数地点での所定水温域の深さ）を求める。

Description

明 細 書
所定水温域の深度分布予測方法、回遊性魚類の漁場予測方法及び回 遊性魚類の漁場予測情報配信システム
技術分野
[0001] 本発明は、所定水温域の深度分布予測方法と、この方法を用いて、クロマグロ、メ バチマグロ等のように、大洋を大きく回遊する魚類の好漁場を予測するのに好適な 回遊性魚類の漁場予測方法及び回遊性魚類の漁場予測情報配信システムに関す る。
背景技術
[0002] クロマグロゃメバチマグロのように大洋を大規模に回遊する魚類について、その行 動を追うことは非常に困難であり、このような高度回遊性魚類の分布を推定するため に、人工衛星を利用して海洋環境を把握する技術が知られている。
[0003] 例えば、衛星画像から作成した過去の海面温度図と、対応する豊漁時の漁場情報 とから季節、漁業区画、漁種別に豊漁パターン画像を抽出し、最新の海面温度図及 び漁場情報から漁場を予測して、漁業現場へ配信する漁場予測情報サービス方法 が公知である（特開 2004 - 192231号公報参照)。
[0004] また、漁船が精度の良 、水温値を利用できるように、衛星画像から雲のな 、合成画 像を作成し、雲域参照画像として母画像を設定し、水温データの所定領域内におけ る全画素値と、雲域参照画像における領域の全画素値とを比べ雲域識別画像を生 成し、雲域を除去することにより雲域除去画像を作成し、除去した雲域内に雲域参照 画像の画素値を移植し、移植画素値と雲域の周りの画素値とを用いて、移植画素値 を修正しながら雲域の画素値を補完することにより補完画像を生成する水温図作成 方法が提案されている（特開 2001— 283189号公報参照)。
[0005] しかし、前記従来の漁場予測方法は、人工衛星で測定した海面の温度に基づ 、て V、るので、実際に魚類が生息して 、る海洋内部の温度分布にっ 、てははつきりせず 、この結果、漁場予測情報も不正確になりやす力つた。
発明の開示 [0006] 本発明の目的は、少な 、実測データから、対象海域での海洋内部の温度情報を高 V、精度で知ることができる所定水温域の深度分布予測方法と、この方法を用いて、 大洋を大きく回遊する高度回遊性魚類の好漁場を予測することができる回遊性魚類 の漁場予測方法及び回遊性魚類の漁場予測情報配信システムを提供することにあ る。
[0007] 本発明による所定水温域の深度分布予測方法は、対象海域内の複数の実測地点 で測定された水温、塩分及び水深の実測データから、海面から所定水温の水域まで の深さ hと、その水域より上層の密度 p 1及び下層の密度 p 2とを求めるステップと、 相対密度係数 ε = 2— p 1) / p 2、及び ε X hを全ての実測地点について算出 し、人工衛星の測定データにより、前記実測地点におけるそれぞれの絶対力学海面 高度 r? 1を得るステップと、得た絶対力学海面高度 r? 1を縦軸とし、 ε X hを横軸とし て、全ての実測地点に関する散布図を作成し、その散布図から近似的直線式 r? 1 = a ( ε X ) + βの傾き α及び切片 βを求めるステップと、過去に蓄積されている水 温、塩分及び水深に関する過去データから、前記対象海域内における多数地点の 相対密度係数 ε 'を算出すると共に、人工衛星の測定データにより、前記多数地点 の絶対力学海面高度 7? 2を得るステップと、得た絶対力学海面高度 r? 2について、 τ? 2= α ( ε ' X h' ) + |8の式から、前記多数地点における所定水温の水域の深さ h 'をそれぞれ求め、対象海域全域における所定水温域の深度分布を得るステップと を含む。
[0008] 本発明による回遊性魚類の漁場予測方法では、前記の所定水温域の深度分布予 測方法を用いて、その所定水温域を回避する回遊性魚類の好漁場域を予測する。
[0009] 本発明による回遊性魚類の漁場予測情報配信システムは、対象海域内の複数の 実測地点で実測された水温、塩分及び水深の実測データ、前記対象海域内におけ る多数地点の水温、塩分及び水深に関する過去データ、人工衛星の測定データに よって求めた、前記実測地点の絶対力学海面高度 7? 1及び前記多数地点の絶対力 学海面高度 7? 2を取得する手段と、前記実測データに基づいて、実測地点での海面 力 所定水温の水域までの深さ hと、該水域より上層の密度 p 1及び下層の密度 p 2 を求め、相対密度係数 ε = 2— 及び ε X hを算出し、 r? 1を縦軸とし、 ε X hを横軸とした全ての実測地点に関する散布図から、近似的直線式 7? 1 = a ( ε + βの傾き oc及び切片 βを求め、前記過去データから相対密度係数 ε，を算 出し、 7? 2 = α ( ε ' X h' ) + |8から、前記多数地点における所定水温の水域の深さ を算出する手段と、実測地点及び多数地点における所定水温域の深さ h、 h'に基 づいて、対象海域全域における所定水温域の深度分布を画像化する手段と、この画 像を、所定水温域を回遊する回遊性魚類の漁場予測として漁業現場へ配信する手 段とを備える。
[0010] 本発明による回遊性魚類の漁場予測情報配信システムは、受信部、中央処理装置 及び送信部を備える。そして、前記受信部は、対象海域内の複数の実測地点で実測 された水温、塩分及び水深の実測データと、前記対象海域内における多数地点の 水温、塩分及び水深に関する過去データと、人工衛星の測定データによって求めた
、前記実測地点の絶対力学海面高度 7? 1及び前記多数地点の絶対力学海面高度 r? 2とを取得する。前記中央処理装置は、前記実測データに基づいて、実測地点で の海面力 所定水温の水域までの深さ hと、該水域より上層の密度 p 1及び下層の 密度 P 2を求め、そして、相対密度係数 ε = 2— 及び ε X hを算出す る実測地点データ算出手段と、 r? 1を縦軸とし、 ε X hを横軸とした全ての実測地点 に関する散布図を作成し、該散布図における密集箇所を結んだ近似的直線式 r? 1 = α ( ε X h) + |8の傾き α及び切片 βを求める散布図処理手段と、前記過去デー タから相対密度係数 ε 'を算出し、 r? 2 = α ( ε ' X h' ) + |8から、前記多数地点にお ける所定水温の水域の深さ を算出する多数地点データ算出手段とを有する。また 、前記送信部は、実測地点及び多数地点における所定水温域の深さ h、 h'に基づい た対象海域全域における所定水温域の深度分布を、所定水温域を回避する回遊性 魚類の漁場予測として漁業現場へ配信する。
[0011] 前記中央処理装置には、前記所定水温域の深度分布を画像化する画像処理部を 設けて、前記送信部にこの画像を配信するようにしてもょ 、。
[0012] 水温、塩分及び水深を実測するにはァルゴフロート（Argo float)を用いる。アル ゴフロートは、ァルゴ計画に基づいて全世界の海洋に展開されている中層フロートで あり、予め決められた時間間隔（1〜2週間程度)で海面に上昇する。そして、この間 、決められた深さ（数百〜 2000m)から海面までの水温.塩分の鉛直分布を測定し、 浮上後、極軌道気象衛星 NO AAを経由して、データを伝送している。しかしながら、 ァルゴフロートの数は限定的であって、広い海域の温度分布を知るには不十分であ る。
[0013] なお、実測データとしては、 JODC (Japan Oceanographic Data Center)力 S 提供する投棄型水温プロファイラ一 (XBT)で観測した水温データ等を用いることも できる。
[0014] 過去に蓄積されている水温、塩分及び水深に関する過去データとしては、ワールド
'オーシャン 'アトラス 2001 (World Ocean Atlas2001)の月平均客観解析デー タを用いた。ワールド 'オーシャン 'アトラスのデータは、基準水深における水温'塩分 を測定し、そのデータを解析して蓄積したものである。従って、このデータからは現在 の所定水温域の深さを知ることはできな 、。
[0015] 絶対力学海面高度（Absolute Dynamic Topography, ADT)は、実海面とジ ォイド面との高さの差である。
[0016] 海面の高度は、人工衛星力も直下にマイクロ波ノ ルスを発射し、海面で反射したマ イク口波が人工衛星に戻るまでの時間によって高度を計測する、所謂、衛星海面高 度計により計測される。
[0017] ジォイド面とは、重力の等ポテンシャル面のうち高さ 0に一致する面であって、衛星
CHAMPによる重力場モデル等を用いて推定される。海洋には海流、波、潮汐など があるため、実海面とジォイド面との間にずれが生じる。
[0018] この絶対力学海面高度は、 AVISO (French Group for Analysis, Validatio n and Investigation of Satellite Oceanography)力らインターネット 通し て提供されている。
[0019] 本発明によれば、少な 、実測データ力 対象海域全域における海洋内部の水温 分布を、比較的正確に知ることができ、これにより、特定の水温域を回遊する回遊性 魚類の好漁場を高 、精度で予測し、これを配信することが可能である。
図面の簡単な説明
[0020] [図 1]海洋の 2層構造を示す概略図。 [図 2]ァルゴフロートによる実測データの一部を示す図。
[図 3]実測データに内挿補間を施したデータの一部を示す図。
[図 4]水深 lm毎の密度を示す図。
[図 5]実測地点の一部において得られたデータを示す図。
[図 6]絶対力学海面高度を縦軸とし、 ε X hを横軸とする実測地点の散布図。
[図 7]過去データに基づいて算出した相対密度係数の一部を示す図。
[図 8] 15°C水温域の水深分布を表した画像を示す図。
[図 9]回遊性魚類の漁場予測情報配信システムを示すブロック図。
[図 10]図 9のシステムにおける中央処理装置及びその周辺機器のブロック図。
[図 11]本発明による回遊性魚類の漁場予測情報配信の流れ図。
発明を実施するための最良の形態
[0021] 海洋の鉛直構造を、図 1に示すように、ある境界を挟んだ 2層構造として仮定した。
絶対力学海面高度 r?は、順圧流による力学的海面高度の平均海面力 の偏差と、 傾圧流による力学的海面高度の平均海面からの偏差とを足したものである。
[0022] また、上層には傾圧流があり、全層に鉛直的に一定な水平圧力勾配の順圧成分が 存在していると仮定した。
[0023] 下層の圧力から、順圧流による力学的海面高度の平均海面力 の偏差を求める。
[0024] 静水圧の下で、等圧面に平行な海面から海底までの深さを D、上下層の厚さ及び 密度を、それぞれ hi, h2及び p 1, 2とすると、
下層において水深 z (平均海面を 0として下方を一で表す。即ち、水深 100mであれ ば、 z=— 100m)の位置の圧力 P2は、
P2= l -g-hl + p 2-g[h2- (D + z) ] (1)
と表される。
[0025] 下層の圧力を表す上の式（1)を、密度 p 2がー様の圧力式 (圧力 =密度 X重力加 速度 X水中の高さ）に書き換えると、
P2= p 2-g[ ( 1/ p 2) hl +h2-D-z] (1 ' )
となる。ここで得られる水中の高さの時間変動は、順圧流によるものといえる。
[0026] 順圧流による力学的海面高度の平均海面 (z = 0の面)からの偏差 Bは
Figure imgf000008_0001
で示される。
[0027] また、力学的海面高度の平均海面からの偏差、即ち、絶対力学海面高度 ηは
7? =hl+h2-D (3)
で表される。
[0028] 上の式（2)と（3)から、絶対力学海面高度 7?と上層の厚さ hiとの関係は次のように なる。
[0029] 7? =hl-(p l/p 2)hl + B
Figure imgf000008_0002
= ε Xhl + B (4)
ただし、 ε =(；02— p 1)/ρ 2
前記密度 p 1及び p 2は水温、塩分、深さから算出することができる。 εは相対密 度係数であって、ある海域である季節ではあまり変化しな ヽ値である。
[0030] 実際には海洋が図 1のように 2層に区分されていないことや、絶対力学海面高度の 基準面と、相対密度係数 εを算出する際の基準面とが異なることから、この 2層モデ ルを実際の海洋に適用した場合には、前記式 (4)は以下のように変形する必要があ る。
[0031] 7? (Τ) = α { ε (T) Xh(T)}+ j8 (4，）
ここで、 r? (T)は絶対力学海面高度 r? (Τ)であり、 h(T)は所定の水温域までの深さ であり、また、 α、 j8はそれぞれ不確定要素である。
[0032] し力し、特に 17°C以上の高水温では、上の式 (4' )は有意に成り立っているものの 、データに比較的大きなバラツキが見られる。多数地点の相対密度係数 ε 'を得る場 合、相対密度係数 εはある海域である季節ではあまり変化しない値なので、ワールド 'オーシャン 'アトラス 2001の月平均の過去データによって近似することができる。
[0033] 従って、実測データから求めた所定温度の水温域の深さ hと相対密度係数 εとの 積（ ε Xh)を横軸とし、人工衛星の測定データ力 得たこの実測地点の絶対力学海 面高度 7? 1を縦軸として、全ての実測地点に関する散布図を作成すると、各点の密 集個所を結んだ近似的直線式（7? 1= α ( ε Χΐι) + |8)の傾き ocと切片 βによって、 式 (4 ' )における a及び |8の不確定要素を求めることができる。
[0034] 次いで、対象海域内における多数地点の過去データから、所定水温域に近い深さ を基準として相対密度係数 ε，を求めると共に、人工衛星のデータからその多数地 点の絶対力学海面高度 r? 2をそれぞれ得る。
[0035] さらに、得られた ε '及び r? 2を前記式 (4' )に当てはめ、
Figure imgf000009_0001
から、多数地点における所定水温の水域の深さ h'を求めることができる。この作業を 対象海域全域について行うと、対象海域全域における所定水温域の水深分布が得 られる。
[0036] この結果、所定水温域の分布が直接又は間接的に回遊魚の分布に影響を及ぼす と考えられること力ゝら、回遊魚の対象海域内における好漁場域を予測できる。
[0037] 次に、回遊性魚類として、比較的水産価値の高いメバチマグロを例に挙げ、その漁 場予測方法を説明する。
[0038] 回遊魚が回遊する水温域は魚の種類によって異なる力 メバチマグロは、ァーカイ バルタグを用いた調査によると、夜間は水深約 100mを遊泳し、昼間はこれより深い 3
OOm付近で遊泳している。この深層遊泳時の環境水温が約 15°Cなので、上層と下 層との境界水温を 15°Cとした。
[0039] また、実際のメバチマグロ漁獲高と、漁場予測とを比較するために、 2002年 4月 10 日を対象時期とし、北緯 20° 〜30° 、東経 150° 〜180° の海域を対象海域とし た。
[0040] 実測データとして、合計 102のァルゴフロートデータを用いた。
[0041] 例えば、あるアルゴフロートが、北緯 29. 20。 、東経 176. 923° で、図 2に示すよ うな実測データを発信した。
[0042] それぞれのァルゴフロートデータに内挿補間を施し、水深が lm増加する毎の水温 及び塩分データを得た。図 3は、水深 241m〜300mのデータを示す。なお、水深 1 m毎に ldb増加するとした。この図 3から、このアルゴフロートの実測位置では、海面 力も境界水温である 15°Cの水温域までの深さは、 15°Cに最も近い 292mであること がわカゝる。 [0043] 内挿補間された水温及び塩分データから、水深 lm毎の密度を求めた。図 4は、図 3のデータに基づいて算出された密度を示す。なお、密度を求める式は、 UNESCO 1983 (Algoritnms for computations oi funaamenntal properties of s eawater, 1983)に従った。
[0044] そして、得られた lm毎の密度（図 4)に基づいて、 15°Cの深さより浅い上層の平均 密度 p 1、及び、これより深い下層の平均密度 p 2を求め、さらに、これら p 1及び p 2から相対密度係数 ε ( = ( p 2— p 1) Z /0 2)を求めた。例えば、図 3及び図 4のデ ータに対応する実 ¾J地, で ίま、 h= 292m、 1 = 1025. 2kg/m p 2 = 1027. lkgZm— 3、 ε = 0. 0018である。
[0045] なお、一定水深以上では密度の変化は少ないので、実測範囲内で下層の平均密 度を求めれば十分である。
[0046] 102のァルゴフロートによる実測地点について、 ε X hを求めると共に、その絶対力 学海面高度 (ADT)を調べる。絶対力学海面高度は 1Z3° X経度 1Z3° に格子 化されたデータである。
[0047] 図 5に、実測地点の一部について、得られた結果を示す。
[0048] 102のァルゴフロートによる実測地点に対し算出した ε X hを横軸とし、調べた絶対 力学海面高度 (ADT) η 1を縦軸とした直交座標上に、図 6に示すようにドットを表示 する。そして、それらドットから近似的直線式を求める。その結果、直線の傾き 0Cは 0. 60287であり、縦軸での切片 は 1. 9246であった。
[0049] すなわち、境界水温 15°Cの時、対象海域及び対象時期においては、
7? = 0. 60287 ( ε X h) + 1. 9246
という関係が成り立つことがわ力つた。
[0050] 一方、過去データとして、 WO AO 1の客観解析データを用いた。このデータは、過 去の船舶データをまとめて、月毎に平均化した基準水深の水温及び塩分を、緯度 1 ° X経度 1° の格子化したものである。
[0051] 対象海域内における同時期の過去データを内挿補間し、水深 l〜1500mの間で 1 m毎の水温、塩分データを作成し、これから水深 lm毎の密度を算出した。そして、境 界水温 15°Cに最も近い水温を示す水深を基準として、上層の密度 p 1及び下層の 密度 P 2を求め、全ての格子 (緯度 1° X経度 1° )について相対密度係数 ε 'を算 出した。図 7は、こうして求めた ε，の一部を示す。
[0052] また、 WOA01データに対応する地点の絶対力学海面高度 7? 2を調べ、調べた
2及び前記算出した ε，を、
7? 2 = 0. 60287 ( ε ' X h' ) + 1. 9246
に当てはめ、全ての格子につ 、て 15°Cの水域までの深さ h 'を求める。
[0053] 一例として、北緯 26. 27036° 、東経 151° の格子では、絶対力学海面高度 η 2
Ι . 294666m、ネ目対密度係数 ε '力 0. 00184 (図 7)なので、
2. 294666 = 0. 603 (0. 00184 X h' ) + l. 925
力ら、 h，= 333. 17mとなる。
[0054] 対象海域全域における 15°Cの水温域の水深分布を求めた後、この水深分布を画 像化する。図 8は、 2002年 4月 10日の対象海域における 15°Cの水温域の水深を、 色の濃さで表している。
[0055] また、 15°C水温域の深さで、特にメバチマグロの漁獲割合の高力つた深さ 300m士
20mの海域をハッチングしてある。
[0056] 図 8では、この画像に、 2002年 4月 10日から 1週間のメバチマグロ漁獲状況を重ね 合わせて比較している。
[0057] メバチマグロの漁獲状況は、漁業情報サービスセンターが収集した 2002年マグロ はえなゎ漁況速報 (気仙沼)を使用した。操業は各漁船とも 1日 1回であり、総操業数 は 2414である。また、各操業について、釣針数を漁獲尾数で割った数値を用いて比 較を行った。
[0058] 図 8において、丸印は、メバチマグロが漁獲された操業位置、 X印は、漁獲されな 力つた操業位置である。
[0059] 図 8から明らかなように、メバチマグロは、 15°C水温域の水深が 300m± 20mの海 域に集中していることがわかる。また、実際に操業が行われた海域以外にも、ノ、ツチ ングで示す海域では、高 、漁獲高が得られたのではな 、かと推測される。
[0060] なお、漁場予測は、緯度 X経度のような座標で示すこともできる力 図 8のような色 分け等による画像で表すと、広い海域の漁場予測が一目でわかる。 [0061] また、魚の種類によって、 15°Cの水温域でも遊泳水深の異なるものは、対応する水 深を画像で示すと良い。さらに、回遊域の水温が異なる魚については、その水温に 付!、て水深分布を求めれば良!、。
[0062] また、実測地点は、 15〜20個所程度でも実用に十分な精度を得ることができる。
[0063] 図 9〜図 11は、回遊性魚類の漁場予測情報配信システムのシステム構成図であり 、図 9は、回遊性魚類の漁場予測情報配信システムのブロック図、図 10は、中央処 理装置及びその周辺機器のブロック図、図 11は、回遊性魚類の漁場予測情報配信 の流れ図である。
[0064] 図 9において、 1は中央処理装置、 2は人工衛星、 3は実測値提供部（ァルゴフロー ト）、 4は絶対力学海面高度提供部 (AVISO)、 5は過去データ提供部（ワールド'ォ 一シャン'アトラス 2001)、 6は漁業協同組合、 7は漁船、 11は受信部、 12は入力部 、 13は送信部である。なお、実際には、人工衛星 2は、複数の通信衛星や気象衛星 より成るが、便宜上 1個のものとして図示した。
[0065] 様々な海域に配置された多数の実測値提供部 3から、水温、塩分及び水深の実測 データが人工衛星 2に送信され、この実測データが配信されている。また、人工衛星 2で観測したデータに基づ ヽて、絶対力学海面高度提供部 4では様々な海域の絶対 力学海面高度を算出し、この結果を配信している。
[0066] さらに、過去データ提供部 5は、様々な海域の基準水深における水温、塩分に関す る過去データを提供して 、る。
[0067] 図 11に示すように、受信部 11によって、人工衛星 2で配信されている実測データの 内から、対象海域における海面力 所定水温域までの水深 hi及び塩分を取得し、 入力部 12を介して中央処理装置 1に入力する。また、受信部 11は、人工衛星 2で配 信されている絶対力学海面高度の内から、実測値提供部 3の実測地点における絶対 力学海面高度 r? 1を取得し、これを入力部 12によって中央処理装置 1へ入力する。
[0068] 中央処理装置 1は、図 10に示すように、実測地点データ算出手段 14と、散布図処 理手段 15と、多数地点データ算出手段 16と、画像処理部 17とから成る。
[0069] 図 11に示すように、中央処理装置 1の実測地点データ算出手段 14は、取得した実 測データに基づいて、その実測地点での所定水温域より上層の密度 p 1及び下層の 密度 P 2を求め、相対密度係数 ε = ( P 2— 及び ε X hlを算出する。
[0070] そして、散布図処理手段 15は、その実測地点における絶対力学海面高度 7? 1を縦 軸とし、 ε X hlを横軸として、全ての実測地点毎に関する散布図を作成し、散布図 における密集個所を結んだ近似的直線式の傾き OCと切片 βを求める。
[0071] さらに、受信部 11によって、過去データ提供部 5が配信している過去データの内か ら、対象海域内における実測地点外の多数地点、及び、実測時期に対応する時期 の、海面力も所定水温域までの水深及び塩分を抽出して取得し、これを入力部 12に よって中央処理装置 1へ入力する。
[0072] また、受信部 11は、人工衛星 2で配信されている絶対力学海面高度の内から、過 去データに対応する多数地点の絶対力学海面高度 r? 2を取得し、これを入力部 12 で中央処理装置 1へ入力する。
[0073] 中央処理装置 1の多数地点データ算出手段 16は、取得した過去データに基づい て、これら多数地点の相対密度係数 ε，を求める。
[0074] 次いで、多数地点算出装置 16は、 τ? 2 = α ( ε ' X h' ) + Bから、多数地点におけ る所定水温の水域の深さ h'を求める。
[0075] さらに、中央処理装置 1の画像処理部 17は、実測データから取得した実測地点に おける所定水温域の深さ h、及び、求めた多数地点における所定水温域の深さ に 基づいて、対象海域全域での所定水温域の深さを画像化し、この画像を、所定水温 域を回遊する回遊性魚類の漁場予測として、送信部 13から人工衛星 2を介して、漁 業現場 (漁業協同組合 6及び漁船 7)に配信する。
[0076] なお、漁業協同組合 6が、配信された画像に基づいて、漁場予測を無線等により漁 船 7に伝達することもある。
[0077] また、漁場予測を座標のような数値で示す場合は、所定水温域の深さを画像化す る必要はない。

Claims

請求の範囲
[1] 対象海域内の複数の実測地点で測定された水温、塩分及び水深の実測データか ら、海面力 所定水温の水域までの深さ hと、その水域より上層の密度 p 1及び下層 の密度 /0 2とを求めること、
相対密度係数 ε = 2— p 1) / p 2、及び ε X hを全ての実測地点について算 出し、人工衛星の測定データにより、前記実測地点におけるそれぞれの絶対力学海 面高度 7} 1を得ること、
得た絶対力学海面高度 r? 1を縦軸とし、 ε X hを横軸として、全ての実測地点に関 する散布図を作成し、その散布図から近似的直線式 7? 1 = α ( ε X h) + |8の傾き oc 及び切片 βを求めること、
過去に蓄積されている水温、塩分及び水深に関する過去データから、前記対象海 域内における多数地点の相対密度係数 ε 'を算出すると共に、人工衛星の測定デ ータにより、前記多数地点の絶対力学海面高度 r? 2を得ること、
得た絶対力学海面高度 r? 2について、 7? 2= α ( ε， X h' ) + の式から、前記多 数地点における所定水温の水域の深さ をそれぞれ求め、対象海域全域における 所定水温域の深度分布を得ること、
を含む、所定水温域の深度分布予測方法。
[2] 請求項 1に記載された所定水温域の深度分布予測方法を用いて、当該所定水温 域を回遊する回遊性魚類の好漁場域を予測する回遊性魚類の漁場予測方法。
[3] 対象海域内の複数の実測地点で実測された水温、塩分及び水深の実測データ、 前記対象海域内における多数地点の水温、塩分及び水深に関する過去データ、人 ェ衛星の測定データによって求めた、前記実測地点の絶対力学海面高度 r? 1及び 前記多数地点の絶対力学海面高度 η 2を取得する手段と、
前記実測データに基づ 、て、実測地点での海面力 所定水温の水域までの深さ h と、該水域より上層の密度 p 1及び下層の密度 p 2を求め、相対密度係数 ε = 2 - D Z /0 2及び ε X hを算出し、 7? 1を縦軸とし、 ε X hを横軸とした全ての実測 地点に関する散布図から、近似的直線式 r? 1 = α ( ε X h) + |8の傾き α及び切片 βを求め、前記過去データから相対密度係数 ε 'を算出し、 r? 2= α ( ε ' X h' ) + βから、前記多数地点における所定水温の水域の深さ h'を算出する手段と、 実測地点及び多数地点における所定水温域の深さ h、 h'に基づいて、対象海域全 域における所定水温域の深度分布を画像化する手段と、
この画像を、所定水温域を回遊する回遊性魚類の漁場予測として漁業現場へ配信 する手段とを備えた、
回遊性魚類の漁場予測情報配信システム。
[4] 受信部、中央処理装置及び送信部を備え、
前記受信部は、対象海域内の複数の実測地点で実測された水温、塩分及び水深 の実測データと、前記対象海域内における多数地点の水温、塩分及び水深に関す る過去データと、人工衛星の測定データによって求めた、前記実測地点の絶対力学 海面高度 η 1及び前記多数地点の絶対力学海面高度 η 2とを取得し、
前記中央処理装置は、前記実測データに基づいて、実測地点での海面から所定 水温の水域までの深さ hと、該水域より上層の密度 p 1及び下層の密度 p 2を求め、 そして、相対密度係数 ^ = ( ^ 2— p D Z /o 2及び ε X hを算出する実測地点デー タ算出手段と、 7? 1を縦軸とし、 ε X hを横軸とした全ての実測地点に関する散布図 を作成し、該散布図における密集箇所を結んだ近似的直線式 r? 1 = a ( s X h) + の傾き α及び切片 βを求める散布図処理手段と、前記過去データから相対密度係 数 ε 'を算出し、 7? 2 = α ( ε ' X h' ) + 力ら、前記多数地点における所定水温の 水域の深さ h'を算出する多数地点データ算出手段とを有し、
前記送信部は、実測地点及び多数地点における所定水温域の深さ h、 h'に基づい た対象海域全域における所定水温域の深度分布を、所定水温域を回遊する回遊性 魚類の漁場予測として漁場現場へ配信することを特徴とした、
回遊性魚類の漁場予測情報配信システム。
[5] 前記中央処理装置に、前記所定水温域の深度分布を画像化する画像処理部を設 け、前記送信部は、この画像を配信する請求項 4に記載された回遊性魚類の漁場予 測上方配信システム。
PCT/JP2006/306126 2005-03-28 2006-03-27 所定水温域の深度分布予測方法、回遊性魚類の漁場予測方法及び回遊性魚類の漁場予測情報配信システム WO2006104087A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US11/887,656 US7818280B2 (en) 2005-03-28 2006-03-27 Method for predicting depth distribution of predetermined water temperature zone, method and system for delivering fishing ground prediction information of migratory fish
EP06730074A EP1864572B1 (en) 2005-03-28 2006-03-27 Method for predicting depth distribution of predetermined water temperature zone, method for predicting fishing ground of migratory fish, and system for delivering fishing ground prediction information of migratory fish
JP2007510481A JP4923262B2 (ja) 2005-03-28 2006-03-27 所定水温域の深度分布予測方法、回遊性魚類の漁場予測方法及び回遊性魚類の漁場予測情報配信システム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2005-092593 2005-03-28
JP2005092593 2005-03-28

Publications (1)

Publication Number Publication Date
WO2006104087A1 true WO2006104087A1 (ja) 2006-10-05

Family

ID=37053343

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2006/306126 WO2006104087A1 (ja) 2005-03-28 2006-03-27 所定水温域の深度分布予測方法、回遊性魚類の漁場予測方法及び回遊性魚類の漁場予測情報配信システム

Country Status (4)

Country Link
US (1) US7818280B2 (ja)
EP (1) EP1864572B1 (ja)
JP (1) JP4923262B2 (ja)
WO (1) WO2006104087A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021520575A (ja) * 2018-10-18 2021-08-19 上海海洋大学Ｓｈａｎｇｈａｉ Ｏｃｅａｎ Ｕｎｉｖｅｒｓｉｔｙ 南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法及びその応用
CN115937721A (zh) * 2023-03-08 2023-04-07 联通（山东）产业互联网有限公司 一种浒苔监测方法

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8152366B2 (en) * 2008-01-23 2012-04-10 University Of Delaware Estimation of subsurface thermal structure using sea surface height and sea surface temperature
US20130337030A1 (en) * 2012-06-14 2013-12-19 Empire Technology Development Llc Neutrally buoyant ingestible compositions
US20140016667A1 (en) * 2012-07-13 2014-01-16 Blue Water Satellite, Inc. Method for monitoring water temperature
US10251382B2 (en) * 2013-08-21 2019-04-09 Navico Holding As Wearable device for fishing
CN104132753B (zh) * 2014-07-31 2016-08-17 中国水产科学研究院东海水产研究所 一种自然水体渔业养殖温度灾害智能预警方法
CN106443686A (zh) * 2016-10-20 2017-02-22 上海海洋大学 声呐鱼群探测系统
CN106651616B (zh) * 2016-12-26 2021-06-18 上海海洋大学 一种中西太平洋鲣鱼围网渔业入渔的预测方法
CN107016350A (zh) * 2017-04-26 2017-08-04 中科唯实科技（北京）有限公司 一种基于深度相机的老人跌倒检测方法
PL3422280T3 (pl) 2017-06-30 2023-05-08 Sieć Badawcza Łukasiewicz-Instytut Lotnictwa Sposób prognozowania parametrów zjawiska lub aktywności obiektu, zwłaszcza ożywionego, w zadanym obszarze geograficznym
US11367209B2 (en) * 2020-10-23 2022-06-21 X Development Llc Visual detection of haloclines
US12007512B2 (en) 2020-11-30 2024-06-11 Navico, Inc. Sonar display features
CN113591540B (zh) * 2021-06-02 2024-01-09 中国水产科学研究院南海水产研究所 一种渔业非法捕捞监测与预警方法及系统
CN113935249B (zh) * 2021-11-23 2022-12-27 中国海洋大学 基于压缩和激励网络的上层海洋热结构反演方法
CN114494837B (zh) * 2022-01-06 2024-05-07 中国水产科学研究院南海水产研究所 一种渔业资源的密度智能识别方法及系统
CN114611800B (zh) * 2022-03-15 2023-08-04 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) 一种黄海绿潮中长期趋势预测方法
CN114794035B (zh) * 2022-03-25 2023-01-17 中国水产科学研究院东海水产研究所 一种金枪鱼围网中心渔场范围自动识别算法和渔场探寻路线方法
CN115456490B (zh) * 2022-11-14 2023-03-24 中国水产科学研究院南海水产研究所 一种基于地理信息的渔业资源数据分析方法及系统
CN117830815A (zh) * 2023-12-19 2024-04-05 中国水产科学研究院南海水产研究所 一种用于研究鱼类洄游规律的布点方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AUPQ453299A0 (en) * 1999-12-08 2000-01-06 Advanced Marine Technologies Pty Ltd A system for fishing
JP3233623B2 (ja) 2000-03-30 2001-11-26 学校法人東海大学 水温図作成方法とシステム
AU2002310401A1 (en) * 2001-06-12 2002-12-23 Eric P. Bergersen Method and apparatus for predicting sporting success conditions
JP2004192231A (ja) * 2002-12-10 2004-07-08 Hitachi Ltd 漁場予測情報サービス方法及びサービスシステム
US7200488B2 (en) * 2004-04-09 2007-04-03 Keith Taboada Device for automated fishing information acquistion

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
TAKANO S, THE OCEANOGRAPHIC SOCIETY OF JAPAN KOEN YOSHISHU, 27 March 2005 (2005-03-27), pages 102, XP003004586 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021520575A (ja) * 2018-10-18 2021-08-19 上海海洋大学Ｓｈａｎｇｈａｉ Ｏｃｅａｎ Ｕｎｉｖｅｒｓｉｔｙ 南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法及びその応用
JP7044417B2 (ja) 2018-10-18 2022-03-30 上海海洋大学 南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法及びその応用
CN115937721A (zh) * 2023-03-08 2023-04-07 联通（山东）产业互联网有限公司 一种浒苔监测方法

Also Published As

Publication number Publication date
JP4923262B2 (ja) 2012-04-25
EP1864572A4 (en) 2010-12-22
EP1864572A1 (en) 2007-12-12
US20090126254A1 (en) 2009-05-21
EP1864572B1 (en) 2011-11-09
US7818280B2 (en) 2010-10-19
JPWO2006104087A1 (ja) 2008-09-04

Similar Documents

Publication Publication Date Title
WO2006104087A1 (ja) 所定水温域の深度分布予測方法、回遊性魚類の漁場予測方法及び回遊性魚類の漁場予測情報配信システム
CN110146895B (zh) 基于倒置式多波束回声仪的声速剖面反演方法
US10309779B2 (en) System and method for monitoring underwater organic solid buildup and related emissions background
CN111860146B (zh) 海洋锋区域的获取方法、装置、计算机设备和存储介质
Nunes et al. Observations of bed roughness of a coral reef
Méndez et al. Radar remote sensing estimates of waves and wave forcing at a tidal inlet
Komatsu et al. Hydro-acoustic methods as a practical tool for cartography of seagrass beds
KR101046405B1 (ko) 실시간 해양생물 유입 탐지 시스템 및 그 동작방법
Garcia et al. Accuracy of Florida Current volume transport measurements at 27 N using multiple observational techniques
Grządziel et al. Estimation of effective swath width for dual-head multibeam echosounder
JP2003004848A (ja) ソーナー探知範囲予察可視化システム、方法及びプログラム
KR102132488B1 (ko) 크라우드 소싱 기반의 고밀도 수심정보 제공 시스템 및 수심정보 제공 시스템을 이용한 수심관측위치 및 수심정보 추정방법
Murphy et al. A GIS-based application of drainage basin analysis and geomorphometry in the submarine environment: the Gollum Canyon System, Northeast Atlantic
CN116029231A (zh) 一种基于遥感数据的对特定海域的内波数据进行计算监测分析可视化系统的方法
Xiong et al. An effective method for submarine pipeline inspection using three-dimensional (3D) models constructed from multisensor data fusion
Ehigiator et al. Determination of volume and direction of flow of Kainji Reservoir using Hydro-Geomatics techniques
KR102157300B1 (ko) 크라우드 소싱 기반의 고밀도 수심정보 제공 시스템
Knaapen Measuring sand wave migration in the field. Comparison of different data sources and an error analysis
Henley et al. Performance of 3D forward looking sonar for bathymetric survey
Prater et al. Observations of the Faroe Bank Channel overflow using bottom-following RAFOS floats
Kim et al. Bathymetric Survey for Seabed Topography using Multibeam Echo Sounder in Wando, Korea
JP2004191329A (ja) Ｇｐｓ式波向計測方法
Paul The role of Zostera noltii in wave attenuation
Krayushkin et al. Application of GPS
Jakubauskas et al. Methods for assessing sedimentation in reservoirs

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application
WWE Wipo information: entry into national phase

Ref document number: 2007510481

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 11887656

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2006730074

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: RU

WWP Wipo information: published in national office

Ref document number: 2006730074

Country of ref document: EP